滚子轴承挡边内侧温度测量方法技术

本发明专利技术公开了一种滚子轴承挡边内侧温度测量方法，包括：S1.采集样本数据，并将样本数据输入到径向基函数神经网络模型进行网络模型的训练，得到训练好的网络模型；其中，所述样本数据包括挡边孔底温度以及挡边内侧不同位置处温度；S2.采集待测数据，并将待测数据输入到训练好的网络模型，输出挡边内侧温度的预测值；其中，所述待测数据包括待测挡边的孔底温度。本发明专利技术能够实时测量挡边内侧温度，操作简便、准确度高、可靠性强。可靠性强。可靠性强。

【技术实现步骤摘要】
滚子轴承挡边内侧温度测量方法


[0001]本专利技术涉及滚子轴承测量领域，具体涉及一种滚子轴承挡边内侧温度测量方法。

技术介绍

[0002]滚子轴承是目前应用十分广泛的机械基础部件，挡边是滚子轴承内圈上的一个重要结构，主要对滚子进行限位，防止轴承内部零件泄露，同时还分担了部分径向和轴向载荷。
[0003]在轴承工作时，挡边内侧与滚子的端面产生滑动摩擦，过度的滑动摩擦可能导致滚子磨损从而影响轴承的承载能力；同时滑动摩擦会产生大量热量导致轴承温度上升，过高的温度容易使轴承产生微变形、过烧等缺陷，从而降低轴承的寿命。为了在轴承工作时，对轴承的状态进行有效监测，比较好的手段就是实时测量轴承挡边内侧温度，然而在实际使用环境中，轴承属于旋转体，且内圈挡边内侧与滚子直接接触，所以无法直接测得挡边内侧温度。
[0004]因此，需要一种滚子轴承挡边内侧温度测量方法，能够解决以上问题。

技术实现思路

[0005]有鉴于此，本专利技术的目的是克服现有技术中的缺陷，提供滚子轴承挡边内侧温度测量方法，能够实时测量挡边内侧温度，操作简便、准确度高、可靠性强。
[0006]本专利技术的滚子轴承挡边内侧温度测量方法，包括如下步骤：
[0007]S1.采集样本数据，并将样本数据输入到径向基函数神经网络模型进行网络模型的训练，得到训练好的网络模型；其中，所述样本数据包括挡边孔底温度以及挡边内侧不同位置处温度；
[0008]S2.采集待测数据，并将待测数据输入到训练好的网络模型，输出挡边内侧温度的预测值；其中，所述待测数据包括待测挡边的孔底温度。
[0009]进一步，采集样本数据，具体包括：
[0010]S11.对轴承内圈挡边内侧的目标位置进行加热；
[0011]S12.记录挡边内侧不同位置处温度，并采集挡边孔底温度，形成样本数据(t1,t2,...t
m
,x1；T1),(t1,t2,...t
m
,x2；T2),...(t1,t2,...t
m
,x
n
；T
n
)；其中，t1,t2,...t
m
为设置于挡边上的m个孔洞分别对应的孔底温度，T1,T2,...T
n
为挡边内侧不同位置x1,x2,...x
n
分别对应的温度；
[0012]S13.更新目标位置，对轴承内圈挡边内侧更新后的目标位置进行加热，并按照步骤S12类推，采集样本数据；
[0013]S14.重复步骤S13k次，直至加热位置出现重叠；
[0014]S15.重复步骤S11
‑
S14g次，得到n*k*g个样本数据。
[0015]进一步，将样本数据输入到径向基函数神经网络模型进行网络模型的训练，得到训练好的网络模型，具体包括：
[0016]S16.使用径向基函数神经网络对样本数据进行拟合，得到挡边孔底温度t1,t2,...t
m
到挡边内侧任意位置处温度的映射函数；其中，t1,t2,...t
m
为设置于挡边上的m个孔洞分别对应的孔底温度；
[0017]S17.将得到了映射函数的径向基函数神经网络模型作为训练好的网络模型。
[0018]进一步，使用径向基函数神经网络对样本数据进行拟合，得到挡边孔底温度t1,t2,...t
m
到挡边内侧任意位置处温度的映射函数，具体包括：
[0019]a.构建径向基函数神经网络模型的拟合目标函数：
[0020][0021]其中，σ是基函数的径宽，c是基函数的中心，W是网络模型输出层的权重矩阵，b是网络模型输出层的偏置，λ是正则化系数，DF是映射函数f对X的偏导，X为样本数据，Y为挡边内侧温度的真实值；
[0022]b.调整拟合目标函数中各参数的值，使得拟合目标函数取得最小值，将拟合目标函数取得最小值时设置的映射函数作为挡边孔底温度t1,t2,...t
m
到挡边内侧任意位置处温度的映射函数。
[0023]进一步，采集待测数据，并将待测数据输入到训练好的网络模型，输出挡边内侧温度的预测值，具体包括：
[0024]S21.在待测的轴承挡边上设置m个孔洞，采集m个孔洞的孔底温度t1,t2,...t
m
，并将挡边内侧所在的圆周按照步长s分为a个离散位置：x1,x2,...x
a
；其中，a＝360/s；
[0025]S22.将(t1,t2,...t
m
,x1),(t1,t2,...t
m
,x2),...(t1,t2,...t
m
,x
a
)作为待测数据输入到训练好的网络模型，输出挡边内侧温度的预测值T1,T2,...T
a
。
[0026]进一步，根据如下方法在挡边上设置m个孔洞：
[0027]将轴承内圈的挡边所在的区域划分为承载区与非承载区；
[0028]将m
a
个孔洞设置到属于承载区的挡边上，将m
b
个孔洞设置到属于非承载区的挡边上；其中，m
a
＞m
b
，且m
a
+m
b
＝m。
[0029]进一步，还包括步骤：S3.从挡边内侧温度的预测值T1,T2,...T
a
中选取最大值T
max
，并将最大值T
max
对应的挡边内侧所处位置作为高温热源位置。
[0030]本专利技术的有益效果是：本专利技术公开的一种滚子轴承挡边内侧温度测量方法，通过将与轴承挡边内侧温度相关的挡边孔底温度以及挡边内侧不同位置温度的真实值作为样本数据，并将样本数据输入到径向基函数神经网络模型，实现对神经网络模型的训练，进而得到训练好的神经网络模型，然后通过采集待测数据，并将待测数据输入到训练好的神经网络模型，从而得到待测滚子轴承的挡边内侧温度的预测值，进而实现对滚子轴承的挡边内侧温度的测量。本专利技术操作简便、准确度高、可靠性强，为分析轴承的工作状态提供了有力支持。
附图说明
[0031]下面结合附图和实施例对本专利技术作进一步描述：
[0032]图1为本专利技术的方法流程示意图；
[0033]图2为本专利技术的样本数据采集示意图；
[0034]图3为本专利技术的传感器与采集器布置示意图；
[0035]图4为本专利技术的滚子轴承结构与孔洞分布示意图；
[0036]其中，1
‑
轴承内圈，2
‑
滚动体，3
‑
孔洞，11
‑
滚动体与内圈接触面，12
‑
挡边，21
‑
滚动体与挡边接触面，41
‑
红外温度传感器，42
‑
刻度盘，43
‑
喷火枪，44
‑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种滚子轴承挡边内侧温度测量方法，其特征在于：包括如下步骤：S1.采集样本数据，并将样本数据输入到径向基函数神经网络模型进行网络模型的训练，得到训练好的网络模型；其中，所述样本数据包括挡边孔底温度以及挡边内侧不同位置处温度；S2.采集待测数据，并将待测数据输入到训练好的网络模型，输出挡边内侧温度的预测值；其中，所述待测数据包括待测挡边的孔底温度。2.根据权利要求1所述的滚子轴承挡边内侧温度测量方法，其特征在于：采集样本数据，具体包括：S11.对轴承内圈挡边内侧的目标位置进行加热；S12.记录挡边内侧不同位置处温度，并采集挡边孔底温度，形成样本数据(t1,t2,...t
m
,x1；T1),(t1,t2,...t
m
,x2；T2),...(t1,t2,...t
m
,x
n
；T
n
)；其中，t1,t2,...t
m
为设置于挡边上的m个孔洞分别对应的孔底温度，T1,T2,...T
n
为挡边内侧不同位置x1,x2,...x
n
分别对应的温度；S13.更新目标位置，对轴承内圈挡边内侧更新后的目标位置进行加热，并按照步骤S12类推，采集样本数据；S14.重复步骤S13k次，直至加热位置出现重叠；S15.重复步骤S11
‑
S14g次，得到n*k*g个样本数据。3.根据权利要求1所述的滚子轴承挡边内侧温度测量方法，其特征在于：将样本数据输入到径向基函数神经网络模型进行网络模型的训练，得到训练好的网络模型，具体包括：S16.使用径向基函数神经网络对样本数据进行拟合，得到挡边孔底温度t1,t2,...t
m
到挡边内侧任意位置处温度的映射函数；其中，t1,t2,...t
m
为设置于挡边上的m个孔洞分别对应的孔底温度；S17.将得到了映射函数的径向基函数神经网络模型作为训练好的网络模型。4.根据权利要求3所述的滚子轴承挡边内侧温度测量方法，其特征在于：使用径向基函数神经网络对样本数据进行拟合，得到挡边孔底温度t1,t2,...t
m
到挡边...

【专利技术属性】
技术研发人员：黄文彬，王锐，丁晓喜，王利明，邵毅敏，
申请(专利权)人：重庆大学，
类型：发明
国别省市：